Question

我正在尝试将rgb图像转换为灰度图像，然后使用matlab的kmean函数对其进行聚类。

这是我的代码

he = imread('tumor2.jpg');

%convert into a grayscale image
ab=rgb2gray(he);
nrows = size(ab,1);
ncols = size(ab,2);

%convert the image into a column vector
ab = reshape(ab,nrows*ncols,1);

%nColors=no of clusters
nColors = 3;
%cluster_idx is a n x 1 vector where cluster_idx(i) is the index of cluster assigned to ith pixel 
[cluster_idx, cluster_center ,cluster_sum] = kmeans(ab,nColors,'distance','sqEuclidean','Replicates',1,'EmptyAction','drop' );

figure;
%converting vector into a matrix of dimensions equal to that of original
%image dimensions (nrows x ncols)
pixel_labels = reshape(cluster_idx,nrows,ncols);
pixel_labels
imshow(pixel_labels,[]), title('image labeled by cluster index');

问题

1）输出图像始终是纯白图像。我尝试了下面链接中给出的解决方案，但在这种情况下，图像的输出是纯灰色图像。

find the solution tried here

2）当我第二次执行我的代码时，执行不会超越k-mean函数（它就像是一个无限循环）。因此在这种情况下没有输出。

Answer 1

实际上，看起来当你进行颜色分割时kmeans已知属于局部最小值。这意味着通常情况下，它不会找到您想要的聚类数量，因为最小化不是最好的（这就是为什么很多人使用其他类型的细分，例如水平集或简单区域增长）。

一个选项是增加重复次数（kmeans尝试找到答案的次数）。目前您将其设置为1，但您可以尝试3或4，它可能会以这种方式达到解决方案。

在this问题中，接受的答案建议使用专为图像分割而创建的kmeans版算法。我没有尝试过，但我觉得它值得一试。

Link to FEX

使用k均值的灰度图像处理

1 个答案: